CN116187585B - 对乘客的brt公交路线进行预测的方法、装置及应用 - Google Patents
对乘客的brt公交路线进行预测的方法、装置及应用 Download PDFInfo
- Publication number
- CN116187585B CN116187585B CN202310417015.7A CN202310417015A CN116187585B CN 116187585 B CN116187585 B CN 116187585B CN 202310417015 A CN202310417015 A CN 202310417015A CN 116187585 B CN116187585 B CN 116187585B
- Authority
- CN
- China
- Prior art keywords
- information
- passenger
- station
- boarding
- point information
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Active
Links
- 238000000034 method Methods 0.000 title claims abstract description 64
- 238000012216 screening Methods 0.000 claims abstract description 14
- 238000012546 transfer Methods 0.000 claims description 18
- 238000004590 computer program Methods 0.000 claims description 12
- 230000008569 process Effects 0.000 claims description 4
- 238000010276 construction Methods 0.000 claims description 3
- 210000004556 brain Anatomy 0.000 abstract description 8
- 230000005540 biological transmission Effects 0.000 description 5
- 238000004364 calculation method Methods 0.000 description 3
- 238000010586 diagram Methods 0.000 description 3
- 238000004891 communication Methods 0.000 description 2
- 238000001914 filtration Methods 0.000 description 2
- 230000006870 function Effects 0.000 description 2
- 238000007726 management method Methods 0.000 description 2
- 230000003287 optical effect Effects 0.000 description 2
- 238000012545 processing Methods 0.000 description 2
- 230000002159 abnormal effect Effects 0.000 description 1
- 230000005856 abnormality Effects 0.000 description 1
- 238000004458 analytical method Methods 0.000 description 1
- 230000009286 beneficial effect Effects 0.000 description 1
- 238000004422 calculation algorithm Methods 0.000 description 1
- 238000013500 data storage Methods 0.000 description 1
- 230000000694 effects Effects 0.000 description 1
- 238000005516 engineering process Methods 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 238000012163 sequencing technique Methods 0.000 description 1
- 239000007787 solid Substances 0.000 description 1
- 230000003068 static effect Effects 0.000 description 1
- 230000001360 synchronised effect Effects 0.000 description 1
Images
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
- G06Q10/00—Administration; Management
- G06Q10/04—Forecasting or optimisation specially adapted for administrative or management purposes, e.g. linear programming or "cutting stock problem"
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
- G06Q50/00—Information and communication technology [ICT] specially adapted for implementation of business processes of specific business sectors, e.g. utilities or tourism
- G06Q50/40—Business processes related to the transportation industry
-
- Y—GENERAL TAGGING OF NEW TECHNOLOGICAL DEVELOPMENTS; GENERAL TAGGING OF CROSS-SECTIONAL TECHNOLOGIES SPANNING OVER SEVERAL SECTIONS OF THE IPC; TECHNICAL SUBJECTS COVERED BY FORMER USPC CROSS-REFERENCE ART COLLECTIONS [XRACs] AND DIGESTS
- Y02—TECHNOLOGIES OR APPLICATIONS FOR MITIGATION OR ADAPTATION AGAINST CLIMATE CHANGE
- Y02T—CLIMATE CHANGE MITIGATION TECHNOLOGIES RELATED TO TRANSPORTATION
- Y02T10/00—Road transport of goods or passengers
- Y02T10/10—Internal combustion engine [ICE] based vehicles
- Y02T10/40—Engine management systems
Landscapes
- Business, Economics & Management (AREA)
- Engineering & Computer Science (AREA)
- Human Resources & Organizations (AREA)
- Economics (AREA)
- Strategic Management (AREA)
- Theoretical Computer Science (AREA)
- Tourism & Hospitality (AREA)
- General Physics & Mathematics (AREA)
- Marketing (AREA)
- General Business, Economics & Management (AREA)
- Physics & Mathematics (AREA)
- Operations Research (AREA)
- Quality & Reliability (AREA)
- Game Theory and Decision Science (AREA)
- Entrepreneurship & Innovation (AREA)
- Development Economics (AREA)
- Health & Medical Sciences (AREA)
- General Health & Medical Sciences (AREA)
- Primary Health Care (AREA)
- Traffic Control Systems (AREA)
Abstract
本方案提出了一种对乘客的BRT公交路线进行预测的方法、装置及应用，包括以下步骤：获取每一乘客的公交出行交易信息作为交易表，获取不同站点之间的路线信息作为站点表，获取每一公交车辆的路线信息得到GPS报站表；根据交易表和站点表确定每一乘客的所有可能OD对，并获取每一OD对的完整路线信息；对所有OD对进行筛选得到乘客的BRT公交路线。本方案根据乘客的出行进行预测得到乘客的出行路线以及下车站点，从而可以为交通大脑提供参考和决策。
Description
技术领域
本申请涉及数据预测领域，具体涉及一种对乘客的BRT公交路线进行预测的方法、装置及应用。
背景技术
快速公交系统（Bus Rapid Transit，BRT）是一种介于快速轨道交通与常规公交之间的新型公共客运系统，其投资及运营成本比轨道交通低，而运营效果接近于轨道交通，它是利用现代化公交技术配合智能运输和运营管理，开辟公交专用道和建造新式公交车站，实现轨道交通式运营服务，达到轻轨服务水准的一种独特的城市客运系统。
交通大脑是在业务需求分析基础上，结合交通工程传统的经典理论，基于智能化算法，有效的通过多源数据基础上产生的状态数据、身份数据来支撑交通管理、交通控制、路面交通执法和业务监管，从而更好的面向社会、大众进行服务，交通大脑可以精准的从交通运行的底层数据中发现复杂、隐藏的规律从而分析出解决问题的最佳措施。
快速公交系统（BRT）是按照路程公里数进行收费，乘客购买BRT车票时根据路程公里数进行购买并进站，所以乘客在BRT站台进站刷卡后，乘坐具体某一辆车以及下车地点无法通过已知数据进行获取，而且BRT站内换乘是无需进行二次刷卡的，故目前交通系统是无法知晓乘坐BRT公交路线的乘客的准确下车地点，导致交通大脑无法对BRT公交线路的乘客的出行数据进行分析，所以，亟需一种可以预测乘客的BRT路线，从而为交通大脑提供数据参考以及决策的方案。
发明内容
本申请方案提供一种对乘客的BRT公交路线进行预测的方法、装置及应用，可以对乘客在BRT车站内换直达和换乘出行的路线进行预测从而得知乘客的下车站点，为交通大脑提供数据参考，从而减少交通拥堵的情况。
第一方面，本申请提供一种对乘客的BRT公交路线进行预测的方法，包括：
获取每一乘客的公交出行交易信息作为交易表，获取不同站点之间的路线信息作为站点表，获取每一公交车辆的行驶信息得到GPS报站表；
获取所述交易表中乘客的第一乘客上车站点信息和第二乘客上车站点信息，所述第一乘客上车站点信息和第二乘客上车站点信息均包含上车站点位置信息和上车时间信息，且第二乘客上车站点信息的上车时间信息邻近且晚于第一乘客上车站点信息的上车时间信息；
以所述第一乘客上车站点作为出发地，基于第二乘客上车站点信息自所述站点表中获得多个邻近所述第二乘客上车站点信息的目的地，基于出发地与多个目的地获取每一乘客的多个OD对，并根据所述GPS报站表中的行驶信息和所述站点表中的路线信息得到每一OD对的完整路线信息；
基于所述完整路线信息中的换乘次数及行驶时间对所有OD对进行筛选获取乘客路线。
第二方面，本申请提供一种对乘客的BRT公交路线进行预测的装置，包括：
第一获取模块：获取每一乘客的公交出行交易信息作为交易表，获取不同站点之间的路线信息作为站点表，获取每一公交车辆的行驶信息得到GPS报站表；
第二获取模块：获取所述交易表中乘客的第一乘客上车站点信息和第二乘客上车站点信息，所述第一乘客上车站点信息和第二乘客上车站点信息均包含上车站点位置信息和上车时间信息，且第二乘客上车站点信息的上车时间信息邻近且晚于第一乘客上车站点信息的上车时间信息；
构建模块：以所述第一乘客上车站点作为出发地，基于第二乘客上车站点信息自所述站点表中获得多个邻近所述第二乘客上车站点信息的目的地，基于出发地与多个目的地获取每一乘客的多个OD对，并根据所述GPS报站表中的行驶信息和所述站点表中的路线信息得到每一OD对的完整路线信息；
筛选模块：基于所述完整路线信息中的换乘次数及行驶时间对所有OD对进行筛选获取乘客路线。
第三方面，本申请提供一种电子装置，包括存储器和处理器，所述存储器中存储有计算机程序，所述处理器被设置为运行所述计算机程序以执行一种对乘客的BRT公交路线进行预测的方法。
第四方面，本申请提供一种可读存储介质，所述可读存储介质中存储有计算机程序，所述计算机程序包括用于控制过程以执行过程的程序代码，所述过程包括一种对乘客的BRT公交路线进行预测的方法。
相较现有技术，本技术方案具有以下特点和有益效果：
本方案通过获取BRT的交易信息、车辆信息、站点信息三种基本信息来对乘客的公交路线进行预测，可以准确的得出乘客的公交路线从而更好的为交通大脑提供决策；
本方案为了提高准确率以及满足不同情况下的公交路线预测以及下车点位预测需求提供了四种预测方案，出行链预测法通过一段时间内相邻的两笔交易记录来构建OD对，再对OD对按照符合乘客实际出行习惯的选择标准进行筛选，以预测得到最符合实际情况的公交路线，该方案通过用户的当日出行数据进行预测，所以准确率最高，所以优先采用出行链预测法；历史数据预测法是根据历史数据来推测下一笔交易记录，当出行链预测法没有给出合理的方案时或乘客的当日出行数据不满足使用出行链预测法的条件时，使用历史数据预测法来进行预测；当出行链预测法和历史数据预测法都无法给出合理的方案时，使用高频OD数据预测法，高频OD数据预测法根据乘客历史上的高频出行站点来进行预测第二乘客上车站点信息，从而得到合适的OD对；当乘客的乘坐数据不足时，则使用热门OD预测法根据所有乘客的刷卡信息来进行预测；通过本方案的预测方案可以根据不同乘客的信息进行最适合自身的高准确率预测，为交通大脑提供帮助和决策。
本申请的一个或多个实施例的细节在以下附图和描述中提出，以使本申请的其他特征、目的和优点更加简明易懂。
附图说明
此处所说明的附图用来提供对本申请的进一步理解，构成本申请的一部分，本申请的示意性实施例及其说明用于解释本申请，并不构成对本申请的不当限定。在附图中：
图1是根据本申请实施例的一种对乘客的BRT公交路线进行预测的方法的流程示意图；
图2是根据本申请实施例的一种出行链预测法的流程示意图；
图3是根据本申请实施例的一种历史数据预测法的流程示意图；
图4是根据本申请实施例的一种高频OD预测法的流程示意图；
图5是根据本申请实施例的一种热门OD预测法的流程示意图；
图6是根据本申请实施例的一种对乘客的BRT公交路线进行预测的装置的结构框图；
图7是根据本申请实施例的电子装置的硬件结构示意图。
具体实施方式
这里将详细地对示例性实施例进行说明，其示例表示在附图中。下面的描述涉及附图时，除非另有表示，不同附图中的相同数字表示相同或相似的要素。以下示例性实施例中所描述的实施方式并不代表与本说明书一个或多个实施例相一致的所有实施方式。相反，它们仅是与如所附权利要求书中所详述的、本说明书一个或多个实施例的一些方面相一致的装置和方法的例子。
需要说明的是：在其他实施例中并不一定按照本说明书示出和描述的顺序来执行相应方法的步骤。在一些其他实施例中，其方法所包括的步骤可以比本说明书所描述的更多或更少。此外，本说明书中所描述的单个步骤，在其他实施例中可能被分解为多个步骤进行描述；而本说明书中所描述的多个步骤，在其他实施例中也可能被合并为单个步骤进行描述。
为了方便理解本方案，在此对本方案中出现的名词进行解释说明：
OD对：OD对为交通出向量，其中O指出行的出发地点，D指出行的目的地。
实施例一
本申请方案提供了一种对乘客的BRT公交路线进行预测的方法，参考图1，所述方法包括：
获取每一乘客的公交出行交易信息作为交易表，获取不同站点之间的路线信息作为站点表，获取每一公交车辆的行驶信息得到GPS报站表；
获取所述交易表中乘客的第一乘客上车站点信息和第二乘客上车站点信息，所述第一乘客上车站点信息和第二乘客上车站点信息均包含上车站点位置信息和上车时间信息，且第二乘客上车站点信息的上车时间信息邻近且晚于第一乘客上车站点信息的上车时间信息；
以所述第一乘客上车站点作为出发地，基于第二乘客上车站点信息自所述站点表中获得多个邻近所述第二乘客上车站点信息的目的地，基于出发地与多个目的地获取每一乘客的多个OD对，并根据所述GPS报站表中的行驶信息和所述站点表中的路线信息得到每一OD对的完整路线信息；
基于所述完整路线信息中的换乘次数及行驶时间对所有OD对进行筛选获取乘客路线。
在一些实施例中，在“获取每一乘客的公交出行交易信息作为交易表”步骤中，所述公交出行交易信息包含每一乘客的普通公交出行交易信息和BRT公交出行交易信息。通过所述公交出行交易信息可以知晓每一乘客乘坐公交车出行的情况，所述普通公交出行交易信息和BRT公交出行交易信息包括发生出行交易的公交车ID，乘客ID以及交易时间。
具体的，在获取第一乘客上车站点信息和第二乘客上车站点信息时，使用时间阈值的过滤方法过滤掉时间记录过于接近的两笔交易记录中的其中一笔，目的是过滤掉重复刷卡记录。也就是说， 在“获取所述交易表中乘客的第一乘客上车站点信息和第二乘客上车站点信息”步骤之前包括步骤：过滤上车时间信息邻近的乘客上车站点信息。
具体的，将乘客的普通公交出行交易信息进行记录并参与预测可以提高预测的准确率。
本方案提供的交易表包括所有用户的交易时间，发生交易的站点ID。
在一些具体实施例中，所述交易表中包含乘客每次交易的唯一id、表示乘客身份的唯一id、发生交易的站点id、交易时间、乘客所在城市id、BRT车站的识别字段等。
本方案提供的站点表包括所有公交站点的站点ID、每一站点附近设定范围内的站点群、任意两个站点之间的所有路线信息、站点的位置信息。
在一些具体实施例中，所述站点表包含所有的公交车站点的站点id、任意两个站点之间的所有路线信息、每一站点附近的站点群、每一站点的位置信息其中，每一站点的位置信息为每一站点的经纬度信息。在另一些实施例中，所述站点表还包括站点所在城市的城市id、站点群内的步导距离、路线距离。其中步导距离包括基础站点的站点群内的其他站点到基础站点的步行距离，所述路线距离为不同公交路线的路线移动距离。
本方案提供的GPS报站表包含每一公交车辆的唯一标识信息，公交车辆进入站点和离开站点的时间信息。
在一些具体实施例中，所述GPS报站表包含站点id、每辆车的唯一标识信息、车辆到达每一站点的时间、车辆离开每一站点的时间等。
在一些实施例中，采用出行链预测法对每一乘客的路线信息进行预测，所述出行链预测法使用用户当日的公交出行数据进行预测，出行链预测法如图2所示。
此时，在“获取所述交易表中乘客的第一乘客上车站点信息和第二乘客上车站点信息”步骤中，获取所述交易表中乘客同一日的第一乘客上车站点信息和第二乘客上车站点信息。
获取所述交易表中乘客的第一乘客上车站点信息和第二乘客上车站点信息，所述第一乘客上车站点信息和第二乘客上车站点信息均包含上车站点位置信息和上车时间信息。
当然，在现实生活中可能存在乘客在当天只有一次公交出行的交易信息，故本方案还可以采用历史数据预测法对每一乘客的路线信息进行预测，所述历史数据预测法如图3所示。
此时，在“获取所述交易表中乘客的第一乘客上车站点信息和第二乘客上车站点信息”步骤中，获取所述交易表中多个历史日期的第一乘客上车站点信息和历史乘车站点信息，以每个历史日期的第一乘客上车站点作为出发地，当前历史日期的历史乘车站点信息自所述站点表获得多个邻近所述历史乘客上车站点信息的目的地，依据每一历史日期的出发地和目的地构建多个OD对作为历史OD对，获取出现次数大于设定阈值的历史OD对作为乘客历史OD画像，基于高斯分布自所述乘客历史OD画像中获取多个历史虚拟站点信息作为第二乘客上车站点信息。所述历史乘车站点信息包含上车站点位置信息和上车时间信息。
在一些具体实施例中，当设定阈值为2时，保存在所述历史OD对中同一OD对出现两次以上的OD对得到乘客历史OD画像，再根据高斯分布在所述乘客历史OD画像中找出与第一乘客上车站点信息相匹配的多个历史虚拟站点信息，所述多个历史虚拟站点信息作为第二乘客上车站点信息。
具体的，所述乘客历史OD画像包括历史第一乘客上车站点的平均交易时间、历史第一乘客上车站点的交易时间总体标准差、历史虚拟站点的经纬度信息。
在一些具体实施例中，所述用户历史OD画像包括乘客在历史第一乘客上车站点的交易时间、乘客的唯一卡号id、历史第一乘客上车站点id、历史虚拟站点信息、历史虚拟站点经度、历史虚拟站点纬度、历史第一乘客上车站点的平均交易时间、历史第一乘客上车站点的交易时间总体标准差。所述历史虚拟站点经度和纬度在所述站点表中获得。
获取所述乘客历史OD画像中的历史第一乘客上车站点的交易时间总体标准差，基于所述历史第一乘客上车站点的交易时间总体标准差计算显著性，获取第一乘客上车站点信息的交易时间，基于所述显著性利用第一乘客上车站点信息的交易时间以及历史第一乘客上车站点的平均交易时间来计算每一用户的高斯分布排序，基于所述高斯分布排序选择多个历史虚拟站点信息作为第二乘客上车站点信息。
具体的，基于所述高斯分布将乘客历史OD画像中的信息进行倒叙排序，选取排序前三的历史虚拟站点信息作为第二乘客上车站点信息。
示例性的，将所述交易唯一记录记为trade_unique_id，将所述历史第一乘客上车站点的平均交易时间记为avg_time，将所述历史第一乘客上车站点的交易时间总体标准差记为st_time，将所述第一乘客上车站点信息的交易时间时间记为start_time，将显著性记为sig，当st_time>0时sig取
，当st_time<0时sig取/>
。
具体的，由于存在大量历史数据，可能存在数据异常的情况，当st_time>0说明数据正常，sig取
，当st_time<0时说明数据异常，sig取/>
。
根据第一乘客上车站点信息在乘客OD画像中取得历史虚拟站点信息并按照高斯分布倒序排序的方法如下公式所示：
其中，exp为数学计算方法，例如：2exp3的意思就是2乘以e的3次方。
此时，取排序前三的历史虚拟站点信息作为第二乘客上车站点信息。
在本方案中，若乘客在当天只有一次公交出行的交易信息，则使用高频OD预测法来进行预测，所述高频OD预测法如图4所示。
此时，在“获取所述交易表中乘客的第一乘客上车站点信息和第二乘客上车站点信息”步骤中，获取所述交易表中的多个历史日期的第一乘客上车站点信息和高频站点信息，所述高频站点信息的上车时间信息邻近且晚于第一乘客上车站点信息的上车时间信息，统计所述高频站点信息的交易次数并按照所述交易次数的多少进行正序排序得到高频数据表，在所述高频数据表中顺序获取第一设定数量的高频站点信息作为第二乘客上车站点信息。所述高频站点信息包含上车站点位置信息和上车时间信息。
在一些具体实施例中，所述第一设定数量为5，所述高频OD预测法是根据各个站点的刷卡次数来进行第二乘客上车站点的预测。
在一些具体实施例中，可以对多个高频站点信息以权重选择的方式进行筛选。
进一步的，假设五个高频站点的刷卡次数为x，y，z，f，w，则取到刷卡次数为x的高频站点的概率为
，其他同理。
在一些实施例中，存在乘客当天只有一次公交出行的交易机会，且没有该乘客的历史数据，则使用热门OD预测法进行预测，如图5所示。
此时，在“获取所述交易表中乘客的第一乘客上车站点信息和第二乘客上车站点信息”步骤中，根据交易表中乘客的第一乘客上车站点信息获取所有乘客的热门站点信息，所述热门站点信息的上车时间信息邻近且晚于第一乘客上车站点信息，统计所述热门站点信息的交易次数并按照所述交易次数的多少进行正序排序得到热门数据表，在所述热门数据表中顺序获取第二设定数量的热门站点信息作为第二乘客上车站点信息。所述热门站点信息包含上车站点位置信息和上车时间信息。
在一些实施例中，在“基于第二乘客上车站点信息自所述站点表中获得多个邻近所述第二乘客上车站点信息的目的地”步骤中，构建第一设定区域，所述第一设定区域以第二乘客上车站点信息作为中心进行划定，将所述第一设定区域内的所有站点作为目的地。
示例性的，所述第一设定区域可以为目的地附近1000m内的所有站点。
在实际应用中，存在真实第二乘客上车站点信息，但是使用真实第二乘客上车站点信息并不能得到乘客的公交路线和下车点位，所以在得到第二乘客上车站点信息时，使用轨迹纠偏法对第二乘客上车站点信息对应的目的地进行筛选。
此时，获取每一目的地的经纬度信息以及到达目的地的时间信息，获取真实第二乘客上车站点的经纬度信息和上车时间信息，基于目的地的经纬度信息和真实第二乘客上车站点的经纬度信息计算每一目的地与真实第二乘客上车站点之间的真实距离，再基于真实距离根据到达目的地的时间信息和上车时间信息判断是否剔除对应的目的地。
具体的，将目的地的经度信息记为pre_lng，目的地的纬度信息记为pre_lat，到达目的地的时间信息记为down_stop_time，真实第二乘客上车站点信息的经度信息记为next_lng，真实第二乘客上车站点信息的纬度信息记为next_lat，真实第二乘客上车站点信息的上车时间信息记为next_trade_time，将目的地与真实第二乘客上车站点之间的真实距离记为dif_distance，使用以下公式来计算目的地与真实第二乘客上车站点之间的真实距离：
其中，radians表示将经纬度的度数转换为弧度以便于计算。
具体的，基于真实距离根据到达目的地的时间信息和上车时间信息判断是否剔除对应的目的地的计算公式如下：
其中，若f(x)>0则剔除对应的目的地，若f(x)<0则保留对应的目的地。
经上述计算，得到与每一乘客的多个OD对。
在一些实施例中，遵循换乘次数最少原则和/或行驶时间最短原则对所有OD对进行筛选，换乘次数最少原则指的是：OD对内的乘车路线的公交车班次最少；行驶时间最短最少原则指的是：OD对的出发地到目的地之间的行驶时间最短。
也就是说，在一些实施例中，在“基于所述完整路线信息中的换乘次数及行驶时间对所有OD对进行筛选获取乘客路线”步骤中， 选择换乘次数最少且行驶时间最少的OD对作为乘客路线。
在一些实施例中，在“基于所述完整路线信息中的换乘次数及行驶时间对所有OD对进行筛选获取乘客路线”步骤中，若存在多个换乘次数最少且行驶时间在时间差阈值内的OD对，选择出发地的出发时间最早的OD对作为乘客路线。
在一些实施例中，在“基于所述完整路线信息中的换乘次数及行驶时间对所有OD对进行筛选获取乘客路线”步骤中，若存在出发地的出发时间相同、换乘次数相同且行驶时间在时间差阈值内的OD对，则选择步导距离最少的OD对作为乘客路线，所述步导距离为目的地到所述第二乘客上车站点信息的距离。
具体的，本方案不仅可获取乘客路线，还可通过所述乘客路线获取当前乘客的预测下车点。在一些实施例中，本方案还包括步骤：以所述乘客路线对应的OD对的目的地作为预测下车点。
具体的，在实际应用中，本方案的预测成功率为出行链预测法>历史数据预测法>高频OD预测法>热门OD预测法，所以在进行预测时使用预测成功率从高到低的方法进行预测。
实施例二
基于相同构思，参考图6，本申请还提出了一种对乘客的BRT公交路线进行预测的装置，包括：
第一获取模块：获取每一乘客的公交出行交易信息作为交易表，获取不同站点之间的路线信息作为站点表，获取每一公交车辆的行驶信息得到GPS报站表；
第二获取模块：获取所述交易表中乘客的第一乘客上车站点信息和第二乘客上车站点信息，所述第一乘客上车站点信息和第二乘客上车站点信息均包含上车站点位置信息和上车时间信息，且第二乘客上车站点信息的上车时间信息邻近且晚于第一乘客上车站点信息的上车时间信息；
构建模块：以所述第一乘客上车站点作为出发地，基于第二乘客上车站点信息自所述站点表中获得多个邻近所述第二乘客上车站点信息的目的地，基于出发地与多个目的地获取每一乘客的多个OD对，并根据所述GPS报站表中的行驶信息和所述站点表中的路线信息得到每一OD对的完整路线信息；
筛选模块：基于所述完整路线信息中的换乘次数及行驶时间对所有OD对进行筛选获取乘客路线。
实施例三
本实施例还提供了一种电子装置，参考图7，包括存储器404和处理器402，该存储器404中存储有计算机程序，该处理器402被设置为运行计算机程序以执行上述任一项对乘客的BRT公交路线进行预测的方法实施例中的步骤。
具体地，上述处理器402可以包括中央处理器（CPU），或者特定集成电路（ApplicationSpecificIntegratedCircuit，简称为ASIC），或者可以被配置成实施本申请实施例的一个或多个集成电路。
其中，存储器404可以包括用于数据或指令的大容量存储器404。举例来说而非限制，存储器404可包括硬盘驱动器（HardDiskDrive，简称为HDD）、软盘驱动器、固态驱动器（SolidStateDrive，简称为SSD）、闪存、光盘、磁光盘、磁带或通用串行总线（UniversalSerialBus，简称为USB）驱动器或者两个或更多个以上这些的组合。在合适的情况下，存储器404可包括可移除或不可移除（或固定）的介质。在合适的情况下，存储器404可在数据处理装置的内部或外部。在特定实施例中，存储器404是非易失性（Non-Volatile）存储器。在特定实施例中，存储器404包括只读存储器（Read-OnlyMemory，简称为ROM）和随机存取存储器（RandomAccessMemory，简称为RAM）。在合适的情况下，该ROM可以是掩模编程的ROM、可编程ROM（ProgrammableRead-OnlyMemory，简称为PROM）、可擦除PROM（ErasableProgrammableRead-OnlyMemory，简称为EPROM）、电可擦除PROM（ElectricallyErasableProgrammableRead-OnlyMemory，简称为EEPROM）、电可改写ROM（ElectricallyAlterableRead-OnlyMemory，简称为EAROM）或闪存（FLASH）或者两个或更多个以上这些的组合。在合适的情况下，该RAM可以是静态随机存取存储器（StaticRandom-AccessMemory，简称为SRAM）或动态随机存取存储器（DynamicRandomAccessMemory，简称为DRAM），其中，DRAM可以是快速页模式动态随机存取存储器404（FastPageModeDynamicRandomAccessMemory，简称为FPMDRAM）、扩展数据输出动态随机存取存储器（ExtendedDateOutDynamicRandomAccessMemory，简称为EDODRAM）、同步动态随机存取内存（SynchronousDynamicRandom-AccessMemory，简称SDRAM）等。
存储器404可以用来存储或者缓存需要处理和/或通信使用的各种数据文件，以及处理器402所执行的可能的计算机程序指令。
处理器402通过读取并执行存储器404中存储的计算机程序指令，以实现上述实施例中的任意一种对乘客的BRT公交路线进行预测的法的实施过程。
可选地，上述电子装置还可以包括传输设备406以及输入输出设备408，其中，该传输设备406和上述处理器402连接，该输入输出设备408和上述处理器402连接。
传输设备406可以用来经由一个网络接收或者发送数据。上述的网络具体实例可包括电子装置的通信供应商提供的有线或无线网络。在一个实例中，传输设备包括一个网络适配器（Network Interface Controller，简称为NIC），其可通过基站与其他网络设备相连从而可与互联网进行通讯。在一个实例中，传输设备406可以为射频（Radio Frequency，简称为RF）模块，其用于通过无线方式与互联网进行通讯。
输入输出设备408用于输入或输出信息。在本实施例中，输入的信息可以是乘客的出行信息、站点的位置信息等，输出的信息可以是所有可能的OD对。
可选地，在本实施例中，上述处理器402可以被设置为通过计算机程序执行以下步骤：
S101、获取每一乘客的公交出行交易信息作为交易表，获取不同站点之间的路线信息作为站点表，获取每一公交车辆的行驶信息得到GPS报站表；
S102、获取所述交易表中乘客的第一乘客上车站点信息和第二乘客上车站点信息，所述第一乘客上车站点信息和第二乘客上车站点信息均包含上车站点位置信息和上车时间信息，且第二乘客上车站点信息的上车时间信息邻近且晚于第一乘客上车站点信息的上车时间信息；
S103、以所述第一乘客上车站点作为出发地，基于第二乘客上车站点信息自所述站点表中获得多个邻近所述第二乘客上车站点信息的目的地，基于出发地与多个目的地获取每一乘客的多个OD对，并根据所述GPS报站表中的行驶信息和所述站点表中的路线信息得到每一OD对的完整路线信息；
S104、基于所述完整路线信息中的换乘次数及行驶时间对所有OD对进行筛选获取乘客路线。
需要说明的是，本实施例中的具体示例可以参考上述实施例及可选实施方式中所描述的示例，本实施例在此不再赘述。
通常，各种实施例可以以硬件或专用电路、软件、逻辑或其任何组合来实现。本发明的一些方面可以以硬件来实现，而其他方面可以以可以由控制器、微处理器或其他计算设备执行的固件或软件来实现，但是本发明不限于此。尽管本发明的各个方面可以被示出和描述为框图、流程图或使用一些其他图形表示，但是应当理解，作为非限制性示例，本文中描述的这些框、装置、系统、技术或方法可以以硬件、软件、固件、专用电路或逻辑、通用硬件或控制器或其他计算设备或其某种组合来实现。
本发明的实施例可以由计算机软件来实现，该计算机软件由移动设备的数据处理器诸如在处理器实体中可执行，或者由硬件来实现，或者由软件和硬件的组合来实现。包括软件例程、小程序和/或宏的计算机软件或程序(也称为程序产品)可以存储在任何装置可读数据存储介质中，并且它们包括用于执行特定任务的程序指令。计算机程序产品可以包括当程序运行时被配置为执行实施例的一个或多个计算机可执行组件。一个或多个计算机可执行组件可以是至少一个软件代码或其一部分。另外，在这一点上，应当注意，如图7中的逻辑流程的任何框可以表示程序步骤、或者互连的逻辑电路、框和功能、或者程序步骤和逻辑电路、框和功能的组合。软件可以存储在诸如存储器芯片或在处理器内实现的存储块等物理介质、诸如硬盘或软盘等磁性介质、以及诸如例如DVD及其数据变体、CD等光学介质上。物理介质是非瞬态介质。
本领域的技术人员应该明白，以上实施例的各技术特征可以进行任意的组合，为使描述简洁，未对上述实施例中的各个技术特征所有可能的组合都进行描述，然而，只要这些技术特征的组合不存在矛盾，都应当认为是本说明书记载的范围。
以上实施例仅表达了本申请的几种实施方式，其描述较为具体和详细，但并不能因此而理解为对本申请范围的限制。应当指出的是，对于本领域的普通技术人员来说，在不脱离本申请构思的前提下，还可以做出若干变形和改进，这些都属于本申请的保护范围。因此，本申请的保护范围应以所附权利要求为准。
Claims (8)
1.一种对乘客的BRT公交路线进行预测的方法，其特征在于，包括：
获取每一乘客的公交出行交易信息作为交易表，获取不同站点之间的路线信息作为站点表，获取每一公交车辆的行驶信息得到GPS报站表；
获取所述交易表中乘客的第一乘客上车站点信息和第二乘客上车站点信息，所述第一乘客上车站点信息和第二乘客上车站点信息均包含上车站点位置信息和上车时间信息，且第二乘客上车站点信息的上车时间信息邻近且晚于第一乘客上车站点信息的上车时间信息；
以所述第一乘客上车站点作为出发地，基于第二乘客上车站点信息自所述站点表中获得多个邻近所述第二乘客上车站点信息的目的地，构建第一设定区域，所述第一设定区域以第二乘客上车站点信息作为中心进行划定，将所述第一设定区域内的所有站点作为目的地，基于出发地与多个目的地获取每一乘客的多个OD对，并根据所述GPS报站表中的行驶信息和所述站点表中的路线信息得到每一OD对的完整路线信息；
基于所述完整路线信息中的换乘次数及行驶时间对所有OD对进行筛选获取乘客路线，即选择换乘次数最少且行驶时间最少的OD对作为乘客路线。
2.根据权利要求1所述的一种对乘客的BRT公交路线进行预测的方法，其特征在于，在“获取所述交易表中乘客的第一乘客上车站点信息和第二乘客上车站点信息”步骤中，获取所述交易表中乘客同一日的第一乘客上车站点信息和第二乘客上车站点信息。
3.根据权利要求1所述的一种对乘客的BRT公交路线进行预测的方法，其特征在于，在“获取所述交易表中乘客的第一乘客上车站点信息和第二乘客上车站点信息”步骤中，获取所述交易表中多个历史日期的第一乘客上车站点信息和历史乘车站点信息，以每个历史日期的第一乘客上车站点作为出发地，当前历史日期的历史乘车站点信息自所述站点表获得多个邻近历史乘客上车站点信息的目的地，依据每一历史日期的出发地和目的地构建多个OD对作为历史OD对，获取出现次数大于设定阈值的历史OD对作为乘客历史OD画像，基于高斯分布自所述乘客历史OD画像中获取多个历史虚拟站点信息作为第二乘客上车站点信息。
4.根据权利要求1所述的一种对乘客的BRT公交路线进行预测的方法，其特征在于，在“获取所述交易表中乘客的第一乘客上车站点信息和第二乘客上车站点信息”步骤中，获取所述交易表中的多个历史日期的第一乘客上车站点信息和高频站点信息，所述高频站点信息的上车时间信息邻近且晚于第一乘客上车站点信息的上车时间信息，统计所述高频站点信息的交易次数并按照所述交易次数的多少进行正序排序得到高频数据表，在所述高频数据表中顺序获取第一设定数量的高频站点信息作为第二乘客上车站点信息。
5.根据权利要求1所述的种对乘客的BRT公交路线进行预测的方法，其特征在于，在“获取所述交易表中乘客的第一乘客上车站点信息和第二乘客上车站点信息”步骤中，根据交易表中乘客的第一乘客上车站点信息获取所有乘客的热门站点信息，所述热门站点信息的上车时间信息邻近且晚于第一乘客上车站点信息，统计所述热门站点信息的交易次数并按照所述交易次数的多少进行正序排序得到热门数据表，在所述热门数据表中顺序获取第二设定数量的热门站点信息作为第二乘客上车站点信息。
6.一种对乘客的BRT公交路线进行预测的装置，包括：
第一获取模块：获取每一乘客的公交出行交易信息作为交易表，获取不同站点之间的路线信息作为站点表，获取每一公交车辆的行驶信息得到GPS报站表；
第二获取模块：获取所述交易表中乘客的第一乘客上车站点信息和第二乘客上车站点信息，所述第一乘客上车站点信息和第二乘客上车站点信息均包含上车站点位置信息和上车时间信息，且第二乘客上车站点信息的上车时间信息邻近且晚于第一乘客上车站点信息的上车时间信息；
构建模块：以所述第一乘客上车站点作为出发地，基于第二乘客上车站点信息自所述站点表中获得多个邻近所述第二乘客上车站点信息的目的地，构建第一设定区域，所述第一设定区域以第二乘客上车站点信息作为中心进行划定，将所述第一设定区域内的所有站点作为目的地，基于出发地与多个目的地获取每一乘客的多个OD对，并根据所述GPS报站表中的行驶信息和所述站点表中的路线信息得到每一OD对的完整路线信息；
筛选模块：基于所述完整路线信息中的换乘次数及行驶时间对所有OD对进行筛选获取乘客路线，即选择换乘次数最少且行驶时间最少的OD对作为乘客路线。
7.一种电子装置，包括存储器和处理器，其特征在于，所述存储器中存储有计算机程序，所述处理器被设置为运行所述计算机程序以执行权利要求1到5任一所述的一种对乘客的BRT公交路线进行预测的方法。
8.一种可读存储介质，其特征在于，所述可读存储介质中存储有计算机程序，所述计算机程序包括用于控制过程以执行过程的程序代码，所述过程包括根据权利要求1到5任一所述的一种对乘客的BRT公交路线进行预测的方法。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202310417015.7A CN116187585B (zh) | 2023-04-19 | 2023-04-19 | 对乘客的brt公交路线进行预测的方法、装置及应用 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202310417015.7A CN116187585B (zh) | 2023-04-19 | 2023-04-19 | 对乘客的brt公交路线进行预测的方法、装置及应用 |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| CN116187585A CN116187585A (zh) | 2023-05-30 |
| CN116187585B true CN116187585B (zh) | 2023-07-14 |
Family
ID=86434741
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN202310417015.7A Active CN116187585B (zh) | 2023-04-19 | 2023-04-19 | 对乘客的brt公交路线进行预测的方法、装置及应用 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN116187585B (zh) |
Families Citing this family (1)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN113469451B (zh) * | 2021-07-19 | 2024-01-05 | 杭州数知梦科技有限公司 | 基于启发式算法的定制公交线路生成方法 |
Citations (6)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| JP2010061321A (ja) * | 2008-09-03 | 2010-03-18 | Railway Technical Res Inst | 乗客流動予測システム |
| CN105550789A (zh) * | 2016-02-19 | 2016-05-04 | 上海果路交通科技有限公司 | 一种公交出行客流的预测方法 |
| CN109308546A (zh) * | 2018-08-31 | 2019-02-05 | 江苏智通交通科技有限公司 | 乘客公交出行下车站点预测方法及系统 |
| CN110348614A (zh) * | 2019-06-24 | 2019-10-18 | 武汉烽火信息集成技术有限公司 | 一种获取乘客od的方法及公交客流的预测方法 |
| CN111985710A (zh) * | 2020-08-18 | 2020-11-24 | 深圳诺地思维数字科技有限公司 | 一种公交乘客出行站点预测方法、存储介质及服务器 |
| CN114358808A (zh) * | 2021-11-15 | 2022-04-15 | 南京理工大学 | 基于多源数据融合的公交od估计及分配方法 |
Family Cites Families (1)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| US20100185486A1 (en) * | 2009-01-21 | 2010-07-22 | Disney Enterprises, Inc. | Determining demand associated with origin-destination pairs for bus ridership forecasting |
-
2023
- 2023-04-19 CN CN202310417015.7A patent/CN116187585B/zh active Active
Patent Citations (6)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| JP2010061321A (ja) * | 2008-09-03 | 2010-03-18 | Railway Technical Res Inst | 乗客流動予測システム |
| CN105550789A (zh) * | 2016-02-19 | 2016-05-04 | 上海果路交通科技有限公司 | 一种公交出行客流的预测方法 |
| CN109308546A (zh) * | 2018-08-31 | 2019-02-05 | 江苏智通交通科技有限公司 | 乘客公交出行下车站点预测方法及系统 |
| CN110348614A (zh) * | 2019-06-24 | 2019-10-18 | 武汉烽火信息集成技术有限公司 | 一种获取乘客od的方法及公交客流的预测方法 |
| CN111985710A (zh) * | 2020-08-18 | 2020-11-24 | 深圳诺地思维数字科技有限公司 | 一种公交乘客出行站点预测方法、存储介质及服务器 |
| CN114358808A (zh) * | 2021-11-15 | 2022-04-15 | 南京理工大学 | 基于多源数据融合的公交od估计及分配方法 |
Non-Patent Citations (1)
| Title |
|---|
| 基于IC卡数据的公交出行OD推算方法研究;费晔;;计算机应用与软件(08);全文 * |
Also Published As
| Publication number | Publication date |
|---|---|
| CN116187585A (zh) | 2023-05-30 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN112700072B (zh) | 交通状况预测方法、电子设备和存储介质 | |
| CN105387864B (zh) | 路径规划装置及方法 | |
| US7991549B2 (en) | Traffic information system based on travel history | |
| CN111854779B (zh) | 一种路线规划方法、装置、电子设备及可读存储介质 | |
| CN105674994A (zh) | 获取行车路线的方法、装置及导航设备 | |
| CN106504577A (zh) | 一种停车换乘出行路线规划方法及装置 | |
| CN116187585B (zh) | 对乘客的brt公交路线进行预测的方法、装置及应用 | |
| CN111121796B (zh) | 一种通勤路线规划方法及装置、计算机设备 | |
| CN113808401A (zh) | 交通拥堵预测方法、装置、设备及存储介质 | |
| CN111179006B (zh) | 司机调度方法、装置及电子设备 | |
| CN111860904B (zh) | 上车点排序的方法及装置 | |
| CN105303245A (zh) | 交通分析系统以及交通分析方法 | |
| CN107545318A (zh) | 公交线路优先级确定、公交换乘线路排序方法及装置 | |
| CN116913073A (zh) | 道路拥堵预测方法、装置、设备及计算机存储介质 | |
| CN113408833A (zh) | 一种公共交通重点区域识别方法、装置及电子设备 | |
| CN111639973B (zh) | 基于多元融合大数据的公交客流od推导方法及装置 | |
| Wang et al. | Real-time scheduling and routing of shared autonomous vehicles considering platooning in intermittent segregated lanes and priority at intersections in urban corridors | |
| CN112990518B (zh) | 一种地铁个体乘客目的站点实时预测方法及装置 | |
| JP5978481B2 (ja) | 充電要否判定システム | |
| CN113902209A (zh) | 出行路线推荐方法、边缘服务器、云服务器、设备及介质 | |
| CN111831931B (zh) | 一种上车点排序、信息排序的方法及装置 | |
| CN112288160A (zh) | 一种出行方案规划方法及相关设备 | |
| Meyers et al. | Reliable real-time destination prediction | |
| CN114566062B (zh) | 车辆停车调度管理方法、装置、计算机设备和存储介质 | |
| CN111582962B (zh) | 一种服务状态识别方法及装置 |
Legal Events
| Date | Code | Title | Description |
|---|---|---|---|
| PB01 | Publication | ||
| PB01 | Publication | ||
| SE01 | Entry into force of request for substantive examination | ||
| SE01 | Entry into force of request for substantive examination | ||
| GR01 | Patent grant | ||
| GR01 | Patent grant |